作者 ｜ Janson

编辑 ｜ 志豪

车东西 1 月 30 日消息，日前，梅赛德斯 - 奔驰在奔驰汽车发明 140 周年之际，正式推出了全新一代 S 级车型。

新车相比以前，采用了基于 NVIDIA DRIVE Hyperion 架构构建，配合全栈 NVIDIA DRIVE AV L4 级软件，实现了一个面向未来的 "L4 级就绪 "（Level 4-ready）架构。

这些架构也对应了 NVIDIA 在 2026 年开年到现在关于自动驾驶研发的最新进展。

从今年的 CES 开始，NVIDIA 发布了业界首款基于思维链的 VLA 推理模型 NVIDIA Alpamayo 1，还展示了其 " 三台计算机 " 架构如何深度重构从云端训练、虚拟仿真到车端执行的全链路。

▲英伟达的汽车相关布局

过去十年，自动驾驶的核心挑战始终是 " 长尾场景 "（Corner Cases）——那些人类驾驶员能凭借常识处理，但机器却难以穷尽的极端状况。在 CES 2026 上，NVIDIA 给出了 NVIDIA Alpamayo 1 这个解决方案。

作为业界首款面向辅助驾驶研究社区设计的 " 思维链 VLA（视觉 - 语言 - 动作）推理模型 "，Alpamayo 1 的出现意味着汽车大脑不再仅仅是简单的 " 输入图像 - 输出动作 " 的映射。

它具备了类似人类的逻辑推演能力，在演示中，当车辆面对复杂的十字路口或罕见的交通冲突时，Alpamayo 不仅能平稳 " 操控方向盘 "，更能实时解释其决策逻辑。这种可解释性是构建智能汽车安全信任体系的关键。

一、三台计算机：重构智能汽车的开发底座

NVIDIA 的野心远不止于一颗芯片或一个模型，要实现安全可靠的 L4 级自动驾驶，需要依靠三个平台的紧密协同。

这三大平台共同构成了 NVIDIA 的全栈开发飞轮：

1、训练平台 DGX：AI 生命的孵化器

一切 AI 的进化都始于大规模的算力集群。NVIDIA DGX 平台使用大规模 GPU 计算，基于全球多样化数据集对 DRIVE AV 基础模型进行训练。这些模型能够在数百万真实场景中捕获人类驾驶行为。

在这里，数亿公里的真实驾驶里程被转化为 AI 的知识储备，使模型能够捕获人类驾驶行为中那些幽微而关键的细节。

2、仿真平台 OVX：数字孪生的试炼场

如果说 DGX 是 " 大脑 " 的学习，那么基于 NVIDIA Omniverse 构建的 OVX 系统则是 " 身体 " 的虚拟训练。

结合本次 CES 发布的 NVIDIA Cosmos 世界基础模型，开发者可以生成具备物理真实感的多视图视频。Cosmos 不仅能模拟雨雪、强光等极端天气的场景，还能在 遮挡等困难情况下生成多视角的合成画面 ，极大加速了合成数据的生成。

同时，开源仿真框架 AlpaSim 的发布，更是为全球自驾研究社区提供了一个高拟真度的闭环测试环境。

3、执行平台 AGX：实时决策的先锋

所有的训练与仿真最终都要落脚于车端的 NVIDIA DRIVE AGX 平台。

英伟达最新发布的 NVIDIA DRIVE AGX Hyperion 10 平台，在一块主板上集成了两颗基于 Blackwell 架构的 NVIDIA DRIVE AGX Thor 系统级芯片。

每个 DRIVE AGX Thor 平台可提供 FP4 精度下超过 2,000 teraflops（INT8 精度下达 1000 TOPS）的实时计算能力。 这不仅为 360 度全感知的传感器融合提供了算力冗余，也为运行 Alpamayo 1 这样的推理模型提供了坚实的物理基础。

二、云端赋能：解决数据荒与长尾难题

在通过云端工作负载解决中国及全球市场的特殊挑战时，NVIDIA NuRec 神经重建技术的应用，是其中的一大亮点。它利用 Gaussian Splatting 等前沿算法，能将普通车队采集回来的二维视频序列直接重建为高保真的 3D 数字孪生模型。

这意味着开发者可以从任意视角 " 回放 " 传感器数据，模拟如果当时采取不同决策会发生什么，实现了数据的极致复用。

针对开发者，NVIDIA 开源了 ACCV-Lab 工具集。这一系统化的工具集涵盖了自动化标注、端到端训练最佳实践等核心环节，可以帮助车企提高训练效率。

▲基于 Cosmos 构建的 LidarGen 模型输出示例

与此同时，随着自动驾驶级别的提升，安全性已不再仅仅是硬件的可靠，更是算法、系统乃至整个生态的综合考验。NVIDIA 整合了多年 的安全经验，推出了 NVIDIA Halos 综合安全系统。

这一系统将安全性细分为三个层面，首先是平台安全，DriveOS 操作系统符合 ISO 26262 汽车安全完整性等级（ASIL）D 级标准，AGX 芯片均获得了全球知名认证机构 TÜV SÜD 的网络安全流程认证 ，确保底层硬件的 " 零故障 " 运行。

其次是算法安全，英伟达通过 Omniverse Blueprint 构建的严苛仿真流水线，在 AI 上车前进行百万次工况验证。

最后是，生态系统安全，英伟达通过建立安全数据集管理与安全护栏，确保每一次算法更新都处于受控的安全范围内。

三、 落地生根：从梅赛德斯 - 奔驰到全球自驾生态

技术最终的价值在于应用，以梅赛德斯 - 奔驰新款 S 级车型为例，该车基于 NVIDIA DRIVE Hyperion 架构构建，在自动驾驶系统上运用了不少 NVIDIA 的最新技术。

▲梅赛德斯 - 奔驰新款 S 级车型

该系统的核心在于其 " 纵深防御 " 的安全理念。新款 S 级车型通过 NVIDIA Halos 系统，实现了端到端 AI 驾驶栈与传统驾驶安全栈的并行运行。

这种多元化设计确保了车辆在面对硬件故障或传感器性能衰减时，依然能保持可靠运行。此外，

在算法层面，新款 S 级车型同样受益于 NVIDIA Alpamayo 的加持。

相比传统依赖预设规则的方案，NVIDIA DRIVE AV 能够分析复杂的长尾场景——如不可预测的行人行为或复杂的路障——并实时推导出最安全的路径。

这种从基础 AI 研究到量产级软件的转化，使得 S 级车型能够像人类驾驶员一样进行逻辑推理，而非简单的模式反应。

与此同时，NVIDIA 与 Stellantis、Lucid 和 Uber 的合作也在向 L4 级无人驾驶出租车（Robotaxi）领域全速前进。

此外，联想车计算也宣布基于 DRIVE AGX Thor 芯片打造新一代 Robotaxi 方案。

可以说，从传感器供应商到 Tier 1 合作伙伴，NVIDIA 正在构建一个庞大且开放的 " 物理 AI" 朋友圈。

结语：英伟达迈向智能出行的终章

通过从英伟达云端到车端的全栈闭环不难发现，真正的自动驾驶不仅需要强大的算力，更需要深邃的逻辑。

随着 Alpamayo 1 等推理型模型的普及，未来汽车将是一个具备情境感知能力、能够自我进化的智慧伴侣。

在这场 AI 重新定义出行的征途中，NVIDIA 已经稳稳地握住了时代的引擎。